Analityka Z Social MediaSocial Media

Social CRM: badania rynku



Zarządzanie relacjami z klientem, w skrócie CRM, jest jednym z bardziej namacalnych rezultatów korzystania danych klientów. W zamian za przechwytywanie danych klientów w punkcie sprzedaży lub serwisie możesz teraz powiedzieć, jak często ludzie coś kupują, czy kupują częściej w specjalne dni i jak często dzwonią do serwisu. Zrewolucjonizowało strategiczne wykorzystanie danych klientów. Po zintegrowaniu mediów społecznościowych z procesem obsługi klienta wydaje się, że to tylko mały krok w celu zintegrowania tych danych mediów społecznościowych z narzędziem CRM i wykorzystania ich do przeprowadzenia badań rynku i analizy klientów. Chociaż część wcześniejsza dotyczyła bardziej dyskusji operacyjnych, przyjrzymy się teraz danym. Czy poza bezpośrednią odpowiedzią na pytanie klienta, czy jest coś jeszcze, co można zrobić z tymi danymi? Odpowiedź brzmi tak. W przyszłości będziemy mogli łączyć kilka źródeł danych, od danych działu obsługi klienta, poprzez dyskusję na temat produktu, po dane dotyczące użytkowania produktu. Tego rodzaju baza danych zorientowana na klienta może zostać wykorzystana do celów badań rynkowych. Jedną z kluczowych zalet tego rodzaju integracji jest to, że kwestia tego, czy "słuchamy właściwych ludzi", nie jest już czynnikiem, ponieważ wszystkie te komentarze w mediach społecznościowych zostały wzbogacone o dane CRM Twoich płatnych klientów. Kolejna zaleta polega na tym, że dane są dostępne w jeden sposób: jest to rodzaj systemu zarządzania danymi podstawowymi (MDM), z jednym tylko ważnym różnicowaniem. Społeczny system CRM przyszłości będzie zawierał wszystkie rodzaje danych: uporządkowane, nieustrukturyzowane, transakcyjne i nietransakcyjne. Korzystając z tej bazy danych, możesz łatwo ocenić, czy komentarz pochodzi od ważnego klienta (kogoś, kto dużo kupuje), czy nie, i jak ważny jest komentarz. Kolejną zaletą jest możliwość wykorzystania danych społecznościowych do rzucenia szerszej sieci w porównaniu do "ogrodzonego ogrodu" tradycyjnego badania rynku, takiego jak panele konsumenckie i grupy fokusowe. Wreszcie, ten rodzaj integracji jest częścią większego trendu, w którym coraz częściej słuchamy klientów, a nie przerywamy im i pytamy o dane. W tej części opisano trudności związane z łączeniem kropek w danych CRM. Nowa generacja badań marketingowych i zarządzania produktami nie jest jeszcze za rogiem - nie z powodu technologii, ale głównie z powodu barier organizacyjnych.

Studium przypadku: Cykl życia klienta

Wielokrotnie dyskutowaliśmy, że komentarz w mediach społecznościowych ma tę wadę, że jest nieostry. Twój klient może wspomnieć o marce, nie zajmując wobec niej stanowiska. Tweet w stylu "Mój syn wylał Pepsi na moją nową sofę. Czy ktoś zna dobry środek czyszczący?", nie ma związku z Twoją marką, jeśli jesteś Pepsi. Spójrzmy więc na skoncentrowane dane: ankiety dotyczące zadowolenia klientów. Wiele firm korzysta z nich: zadają swoim klientom wiele pytań, agregują odpowiedzi w danych i wyświetlają je na pulpitach nawigacyjnych. A co się wtedy stanie? Niestety niewiele. Chociaż "klient na pierwszym miejscu" jest często używanym hasłem, rzadko jest wprowadzany w życie. Przez większość czasu jedna z trzech kwestii powstrzymuje firmy przed działaniem na podstawie ankiet wśród klientów:

•  Silosy są odłączone.
•  Relacja czasowa jest zbyt krótka.
•  Średnie ukrywają problemy.

Peter Crayfourd jest byłym szefem strategii cyklu życia klienta dla globalnej firmy telekomunikacyjnej, której przychody przekraczają 45 miliardów euro rocznie od 2010 roku. Peter i jego zespół opracowali pełny przegląd wszystkich aspektów cyklu życia klienta. Ich celem jest uchwycenie nastroju ich klientów. "Sposób myślenia o kliencie zabrania zmian" - powiedział Peter. "Często firmy postrzegają relacje z klientami w ten sam sposób, w jaki są zorganizowane: w silosach." Bez względu na to, jakie wskaźniki stosuje jedna organizacja, NPS, 2 wyniki C-SAT, 3 lub w jakikolwiek inny sposób, "Często nie mierzą podróży klienta w swojej jednostce. "Spójrzmy na firmę telekomunikacyjną. Dlaczego klienci są niezadowoleni? Może byli niezadowoleni z jakości usług w sieci. Mogą być przypadkowo zapytani o inny produkt firmy lub o to, czy są zadowoleni z usług sklepu. Najprawdopodobniej ich doświadczenie z siecią determinuje ich reakcję. "Firmy mierzą te interakcje osobno, ale są one ze sobą powiązane" - wyjaśnił Peter. Ważne jest, aby z czasem połączyć wszystkie elementy obsługi klienta. "Jakie jest prawdopodobieństwo, że klient nas opuści, gdy kilkakrotnie porzucimy jego połączenia?"

Firmy telekomunikacyjne mają odpowiedź na takie pytania w sieci. Mogą skorelować jakość usług sieciowych z ogólną podróżą klienta i głosem klienta. Mapowanie różnych interakcji z ogólnym wynikiem szczęścia obejmie problemy silosów. Ale im więcej jest produktów i im więcej możliwych interakcji, tym więcej danych jest potrzebnych do stworzenia modelu regresji. Te modele nie są nowe dla większości sprzedawców internetowych. Wiele z nich wykorzystuje uporządkowane dane dotyczące kliknięć i zakupionych produktów, aby przewidzieć wartość życia klienta. Duzi detaliści z wieloma użytkownikami, a więc z dużą ilością danych, mogą przewidzieć wartość dożywotnią już po pierwszych trzech kliknięciach witryny z prawdopodobieństwem 90% lub więcej. Tego rodzaju modele są również możliwe przy nieustrukturyzowanych danych z centrów obsługi klienta. Jörg Niessing jest partnerem stowarzyszonym w Prophet, strategicznej marce i doradztwie marketingowym. On i jego zespół zbudowali model predykcyjny dla banku w USA. "Możemy wykazać, że prawdopodobieństwo anulowania konta bankowego i udania się do konkurenta jest znacznie większe, gdy ktoś musiał zadzwonić na infolinię klienta więcej niż raz w weekend", powiedział. Ale co zrobić z tymi informacjami? Oczywiście jest to model predykcyjny, w którym do zbudowania potrzebne są duże ilości danych. Ale czy prognoza ma wartość? Tylko jeśli potrafisz zareagować, zanim coś pójdzie źle. Nie zawsze jest to jednak takie łatwe. "Jeśli użytkownik nie może wykonać określonego zadania i jest z tego powodu niezadowolony, nie możemy zmienić aplikacji bankowej w locie" - powiedział Jörg. Informacje te można jednak wykorzystać do usprawnienia procesów wewnętrznych. Na przykład w centrum telefonicznym Verizon pracownik działu obsługi klienta zobaczy pierwsze odgadnięcie przez komputer, dlaczego ten klient dzwoni, szczególnie jeśli wystąpiły problemy związane z siecią. W ten sposób agent może już przygotować właściwą i zorientowaną na klienta reakcję, a tym samym zmniejszyć ewentualne niepowodzenia przechowywania. Peter i jego zespół chcą pójść o krok dalej: "Nawet nie czekaj, aż klient zadzwoni" - powiedział. "Współdziałaj z nim proaktywnie, dopóki nie będzie zadowolony". Tutaj wynik "szczęścia" Petera pokazuje jego siłę. Koncentrację na organizacji można łatwiej osiągnąć, jeśli chodzi nie tylko o utrzymanie lub wartość klienta w ciągu całego życia, ale także o to, jak klient myśli o firmie. W tej chwili firma telekomunikacyjna może mieć trudności z poprawą jakości sieci wokół jednej osoby. Może jednak reagować proaktywnie i zacząć rozmawiać z klientem po przerwaniu połączenia. Na przykład każda firma, która wie, którzy klienci są niezadowoleni, może zaoferować specjalną okazję. "Firmy nie powinny czekać, aż klient narzeka" - powiedział Peter. "Mamy wszystkie dane, aby reagować proaktywnie". Drugą kwestią jest to, że firmy często zapominają o komponencie czasu. "Z czasem traktują klientów jako relację finansową" - powiedział. "Pod koniec umowy jesteśmy najlepszym przyjacielem klienta, ponieważ chcemy go odnowić, ale moglibyśmy zapomnieć o tym, by był szczęśliwy w czasie trwania umowy". On ma rację; idealnie byłoby mieć model do pomiaru ogólnej satysfakcji klienta podczas jego podróży z firmą. Ale jeśli na relację wpływa zbyt wiele czynników, trudno będzie, jeśli nie niemożliwe, uwzględnić wymiar czasowy. Ostatnim z problemów, które uniemożliwiają firmom efektywne korzystanie z ankiet, są średnie. Dane często nie są wprowadzane do modeli, które próbują przewidzieć zachowanie lub zadowolenie klienta. Zamiast tego jest przechowywany w pulpitach nawigacyjnych pokazujących średnie metryki dla danego przedziału czasowego, co ukrywa korelacje. Co oznacza średnia jakość usług wynosząca 85% dla Ciebie jako osoby? Możesz być tym, dla którego sieć po prostu kilka razy porzuciła połączenie. Tak, miałeś pecha, ale jako klient nie będziesz się tym przejmować, ponieważ jesteś nieszczęśliwy. "Jeśli zarządzasz swoim biznesem za pomocą średnich, prowadzisz przeciętny biznes" - wyjaśnił Peter. Jak pokazałbyś, że zła jakość sieci powoduje niezadowolenie klientów? Musisz podzielić średnią na każdego klienta. Tutaj średnie nie są pomocne. Podsumowując, potrzebujesz modelu predykcyjnego, który łączy dane percepcyjne z badania klientów (ogólne zadowolenie lub zadowolenie klienta) z twardymi faktami dotyczącymi jakości sieci dla tego samego klienta. Od bankowości po telekomunikację - widzimy, że coraz więcej procesów opiera się na analizie predykcyjnej w celu przewidywania zachowań klientów i szybszej, lepszej lub bardziej efektywnej reakcji. U podstaw tych modeli leżą metody uczenia maszynowego, które analizują dane w celu wykrycia wzorców, jak opisano wcześniej. Przeanalizujmy, co to będzie oznaczać dla obszaru badań rynku.

Analityczny CRM: Nowa granica

Ludzie tacy jak Peter i Jörg znajdują się w czołówce nowej dyscypliny: wykorzystywania danych CRM do prowadzenia badań rynkowych. Lub, być może dokładniej, są one częścią naturalnej ewolucji, w jaki sposób wykorzystujemy naszych klientów jako źródło danych i wgląd strategiczny. Ekspert ds. Badań rynku Robert Moran opisuje tę ewolucję w kategoriach trzech "epok":

• Epoka gromadzenia danych (lub epoka pytająca)
• Oznaczone przez wywiady i ankiety
• Epoka słuchania

Zdefiniowane przez analitykę obserwacyjną, od danych z mediów społecznościowych po egzotyczne rzeczy, takie jak śledzenie ruchów gałek ocznych

Epoka symulacji

Przenosi nacisk na badania wyprzedzające oparte na symulacjach gier rynkowych, panelach Delphi i strategicznym foresighcie. W opinii Morana wychodzimy z epoki gromadzenia danych i zmierzamy zarówno do epoki słuchania, jak i symulacji. Duże zbiory danych są niezbędnym składnikiem Epoki słuchania i potencjalnie również czynnikiem napędzającym Epokę symulacji. Mówiąc prościej, wkraczamy w erę, w której klienci pozostawiają znaczny ślad danych w trakcie normalnej działalności, a dane te są siłą, z której należy korzystać i którymi zarządzać. Podobne trendy zostały potwierdzone przez większą społeczność zajmującą się badaniami rynku. Ankieta przeprowadzona w 2011 r. w Wielkiej Brytanii przez starszych specjalistów ds. badań rynku wykazała, że ponad połowa eksperymentuje przynajmniej z takimi technikami, jak społeczności internetowe zajmujące się badaniem rynku (MROC) i przeglądanie stron internetowych. Te pierwsze to wyselekcjonowane grupy, a te drugie wydobywają dane ze źródeł mediów społecznościowych, takich jak blogi, Facebook i Twitter. Blisko połowa ćwiczy lub bada współtworzenie (koncepcja współpracy online lub prace projektowe) i etnografię cyfrową (pogłębione badania jakościowe osób lub rodziny korzystające z danych online). Wszystkie te trendy wskazują na to, że media społecznościowe i duże zbiory danych rosną jako narzędzia zarówno do badań marketingowych, jak i łączności z klientami. Zadawanie klientom pytań w celu uzyskania wglądu zawsze było czasochłonne i kosztowne. Zwrócenie ankiety może zająć miesiąc - cenny czas. Media społecznościowe mogą potencjalnie niedrogo przybliżać ankiety, nawet przy bardzo prostym podejściu. Witamy w nowym froncie analitycznego CRM. PROBLEMY Z TRADYCYJNYM SPOSOBEM. Tradycyjne badania rynku przyniosłyby wspólne kryteria segmentacji dla konsumentów. Użyłbyś takich czynników, jak płeć, dochód, wiek lub narodowość, aby opisać zachowania smakowe i zakupowe. Wtedy firmy zaczęły zdawać sobie sprawę, że wydaje się, że potrzebnych jest więcej segmentów, ponieważ te tradycyjne nie pomogły w prawidłowej klasyfikacji. Nic więc dziwnego, że wkrótce wymyślono coraz więcej segmentów: poszukiwacza przygód, niebieskiego kołnierza, wschodzących dorosłych, zdrowia i kondycji, Latynosów, kobiet z dziećmi i tak dalej.

Ale dokąd prowadzi cała ta segmentacja? Dzisiaj indywidualna osoba nie jest najlepiej klasyfikowana na podstawie danych demograficznych, takich jak płeć, rasa, dochód lub kolor skóry. Dzisiaj przyglądamy się bardziej działaniom ludzi. Po kilku dekadach piosenka Lee Michaelsa "Jesteś tym, co robisz" wydaje się być rzeczywistością. Coraz częściej analizujemy osobę na podstawie zakupów, czytania lub innych czynności. W przyszłości marketing może coraz bardziej koncentrować się na długim ogonie konkretnych osób. Na przykład Annet Aris, profesor ds. Strategii w INSEAD, często prosi swoich studentów o zidentyfikowanie dwóch kandydatów: kandydata do segmentacji 1 i kandydata 2. Obaj są mężczyznami, urodzonymi w 1948 r., Brytyjczykami, w drugim małżeństwie, zamożnymi i ze znanych rodzin. W większości przypadków pierwsze przypuszczenie jest jasne: "Prince of Wales Charles of Windsor". Ale czy wiesz, że jest drugi? To muzyk rockowy "Prince of Darkness" Ozzy Osbourne. Umieszczenie obu mężczyzn w tym samym segmencie i przyjęcie podobnych zachowań zakupowych lub klientów nie ma oczywiście zastosowania. Można zatem zadać pytanie: "Czy to koniec tradycyjnego CRM?". Wiele źródeł, takich jak wykład Johanny Blakley na TED.com, mówi, że jest to "koniec płci", wskazując na fakt, że każda osoba może rozwijać się indywidualnie odsetki, których nie można sklasyfikować według głównych segmentów demograficznych. Nie oznacza to jednak, że każdy z nas jest teraz kompletną "indywidualnością". Ludzie zwykle organizują swoje zachowania, a także nawyki zakupowe, w grupach. Niektóre z tych grup najlepiej charakteryzują się demografią. Weźmy damską bieliznę jako przykład. Inne produkty mogą nie mieć ściśle określonej grupy użytkowników, a marketing tych produktów przyniesie znaczne korzyści dzięki zmianie sposobu pomiaru danych demograficznych. Jednak codzienna rutyna dla wielu marketerów wygląda inaczej; ich branża powoli się zmienia, a płeć i wiek są nadal istotnymi elementami dyskusji. Jak zauważa Blakley:

Firmy medialne i reklamowe nadal używają tych samych starych danych demograficznych, by zrozumieć odbiorców, ale ich śledzenie w Internecie jest coraz trudniejsze, ponieważ media społecznościowe przerastają tradycyjne media, a liczba kobiet korzystających z usług jest większa niż mężczyzn. Nadal minie trochę czasu, zanim przejdziemy od epoki gromadzenia danych do epoki symulacji. Słowo "symulacja" oznacza, że testujemy hipotezy na podstawie danych. Na przykład działamy na podsekcjach testów A / B naszych klientów. Im więcej testów przeprowadzamy, tym więcej hipotez możemy przetestować. Google to opanowało. Stało się znane z testowania różnych kolorów niebieskiego łącza. Badania rynku mogą wykorzystywać media społecznościowe do testowania. Dane dostarczane przez media społecznościowe mogą pomóc w wyborze grup użytkowników do przetestowania. Może pomóc sformułować nowe hipotezy i wiele więcej. Jednak epoka symulacji zajmie trochę czasu. Lub, jak zapytał Nicolas Checa, konsultant polityczny i gospodarczy: "Branży badawczej zajęło prawie dekadę pogodzenie się z ankietami internetowymi, więc jak trudne będzie to w mediach społecznościowych?" Dlatego jednym z kluczowych wyzwań społecznego CRM pozostaje nie tylko technologia, ale także bezwładność samego rynku marketingowego.

Zmiana na lepsze CRM
Analityczny CRM polega na próbie nie myślenia w kategoriach pól lub klasyfikacji. Weźmy na przykład modele predykcyjne utworzone przez Petera i Jörga na początku - modele te nie dbają o płeć klientów. Algorytm próbuje określić dane, które mają największy wpływ na przewidywanie lojalności. Tak więc, jakkolwiek dziwnie to brzmi, analityczny CRM nie zaczyna się od klienta. Zaczyna się od tego, co Peter nazywa "punktami kontaktowymi", co oznacza interakcje z klientem. Może to być jakość sieci dla operatora telekomunikacyjnego, produkty sprzedawane sklepowi internetowemu lub czas, w którym ktoś dzwoni do centrum obsługi banku. Kto jest klientem, co myśli i co robi, na początku nie ma znaczenia. Ideą analitycznego CRM jest ocena klientów według tego, co robią, a nie według segmentu demograficznego. Może to wspierać Netflix, który nie doszedłby do wniosku, że 30-letni mężczyzna o wysokich dochodach prawdopodobnie polubiłby gatunek "filmów akcji". Dba o to, co robi ten użytkownik, a jeśli ogląda filmy dla dzieci przez cały dzień, może to być jego gust lub być może, że jego dzieci oglądają. Cokolwiek to jest, Netflix wykorzysta to jako podstawę do sugerowania nowych filmów. "Płacił nam za tego rodzaju filmy, dlatego jest bardzo zainteresowany" - powiedział Xavier Amatriain.

Facebook i Open Grpah
Facebook różni się od Apple, Google, Amazon lub Microsoft, ponieważ nie tworzy produktów. Ma na celu ulepszenie produktów zbudowanych przez wszystkich innych. -MARK ZUCKERBERG Ideą analitycznego CRM jest nie tylko wykorzystanie tradycyjnych informacji o kliencie, takich jak jego miejsce zamieszkania lub wiek, ale także wykorzystanie wszystkich możliwych informacji, które posiadasz, aby stworzyć jego pełne zdjęcie. Co robi, gdy przechodzi przez Internet, co kupuje i kiedy to kupuje? Jest jedna firma, która próbuje zrobić dokładnie to samo: Facebook. Chce być platformą i chce zintegrować wszystkie te dane w ogromnym sklepie CRM. Nazywa to Open Graph. Otwarty wykres to dalszy rozwój wykresu społecznego. Wykres społecznościowy pokazuje sieć użytkowników, podczas gdy Open Graph pokazuje znacznie więcej. Pokazuje nie tylko sieć, ale wszystkie inne informacje należące do każdego użytkownika. Funkcja Open Graph Facebooka łączy działania użytkowników z ich siecią społecznościową. Widzisz to za każdym razem, na przykład, gdy serwis muzyczny Spotify publikuje utwór, którego słuchasz, na kanale wiadomości każdego z Twoich znajomych - lub gdy aplikacja prosi o zalogowanie się przez Facebook, a następnie publikuje posty w Twoim imieniu. Jest potężny, a czasem kontrowersyjny: na przykład użytkownicy nie zawsze chcą, aby cała sieć widziała, jakie filmy oglądają za pośrednictwem Netflix, lub aby aplikacja sugerowała coś swoim znajomym w ich imieniu. Jednak ta zdolność jest metaforą tego, w jaki sposób ludzie stają się coraz bardziej powiązani za pośrednictwem mediów społecznościowych - i w jaki sposób ślad społecznie powiązanych danych, które pozostawiają, może stać się strategiczną inteligencją. Sztuczka polega jednak na tym, że Facebook nie posiada nawet wszystkich tych danych. Wiele firm najprawdopodobniej nie przekazałoby wszystkich danych konsumenckich na Facebooku. Nie byłoby to ani legalne, ani strategicznie korzystne. Ale Facebook próbuje organizować dane od innych, ponieważ Mark Zuckerberg ma fundamentalne przekonanie, że "społeczna wersja czegokolwiek może prawie zawsze być bardziej angażująca i przewyższać wersję nie-społeczną".

Weźmy przykład księgarni. Jeśli chce wyświetlać reklamy użytkownikom Facebooka, może po prostu wybrać losową próbkę użytkowników i otrzymać określony odsetek odpowiedzi. Lub może wybrać użytkowników Facebooka, którzy "polubili" określone książki lub wydawców, w takim przypadku wskaźnik odpowiedzi byłby prawdopodobnie większy. Księgarnia wykorzystuje najprostszą część Open Graph, filtrująca ustrukturyzowane dane, aby wybrać bardziej ukierunkowanych odbiorców. W wywiadzie dla Wired Magazine Mike Vernal, szef zespołu programistów Open Graph na Facebooku, wyjaśnił, że witryna rekomendacji książek Goodreads.com odnotowała 800-procentowy wzrost wyświetleń z Facebooka od czasu uruchomienia Open Graph na początku 2012 roku. Według Mike'a , doświadczenia społecznościowe Facebooka polegają na możliwości szybkiego analizowania interakcji użytkowników z treścią i jej względnego znaczenia. W wywiadzie zauważył: "Jeśli wolisz muzykę, pokażemy ci więcej muzyki. Jeśli wolisz gry, pokażemy Ci więcej gier. Następnie łączymy te dwa zestawy wyników razem, aby wpłynąć na to, co pokazuje Newsfeed, co pokazuje oś czasu i niektóre inne systemy. "Jak zawsze, pytanie nie dotyczy technologii ani danych; pytanie brzmi: jak skutecznie korzystać z tych danych. Głównym pytaniem, jakie Facebook ma na myśli, jest to, jak wykorzystać jego dane do skutecznego umieszczania reklam i umożliwienia handlu społecznościowego, tak zwanego "F-commerce". Jednak nie wszyscy uważają, że Facebook odniósł sukces w tym podejściu. Wynika to głównie z tego, że, wskazówki behawioralne, które zbieramy z wyszukiwań, są silniejsze niż publiczne oświadczenia, które "lubimy". Wracając do przykładu książki, mogę powiedzieć, że lubię książkę Nietzschego, ale w rzeczywistości czytam więcej łatwych do przełknięcia komiksów o miłości, przestępczości i rock'n'rollu. Facebook zdał sobie z tego sprawę i zaczął zbierać, za pośrednictwem aplikacji swoich partnerów, użyteczne dane użytkownika, takie jak to, czy ktoś faktycznie czyta Nietzschego, czy też spędza więcej czasu na komiksach. Niemniej jednak podejście Open Graph na Facebooku polega na połączeniu zarówno tego, co ludzie robią, jak i tego, co mówią, aby uzyskać znacznie bardziej szczegółowy obraz każdej osobowości. Być może aspekt społeczny często nie jest głównym ulepszeniem, ponieważ nieustrukturyzowane dane są nadal zbyt trudne do odczytania. W ten sposób Facebook stara się zachęcić programistów do umieszczenia struktury treści, aby ułatwić i mniej skomplikować czytanie. W 2001 r. Założyciel World Wide Web, Tim Berners-Lee, sformułował termin "sieć semantyczna", aby opisać, dokąd zmierza nieustrukturyzowane dane: informacje semantyczne powiązane metadanymi i relacjami, a nie tylko danymi strukturalnymi. Na przykład możesz wyszukać zdjęcie lub film w Internecie na podstawie jego metadanych lub znaleźć zakres cen odpowiadający klasie danych. Facebook Open Graph podchodzi do tego ideału, zapewniając aplikacjom zewnętrznym sposób na uporządkowanie swoich danych, co z kolei umożliwia Facebookowi dostęp do tych danych i ich ponowne wykorzystanie. Według Vernal, Facebook opiera swoje możliwości wokół "magazynu obiektów" (zawierającego dane obiektów i metadane), a także "magazynu krawędzi" (zawierającego relacje między obiektami).

Omawialiśmy systemy rekomendacji jako kluczową siłę napędową zakupów w Internecie. Są także ważnym przykładem personalizacji korzystania z Internetu. Jednak przynajmniej jeden dyrektor ds. mediów społecznościowych uważa, że istnieje ogromna przepaść między wieloma dzisiejszymi systemami rekomendacji online, takimi jak Facebook, Netflix i Amazon, a prawdziwą personalizacją sieci. Hank Nothhaft, współzałożyciel i dyrektor ds. produktu w Trapit, spersonalizowanej platformie dostarczania treści, twierdzi, że większość tego, co dziś przechodzi do personalizacji, to tak naprawdę mapowanie ogólnego zainteresowania crowdsourcingu, i opisuje takie wyniki jako "obraźliwie banalne". Jednym z przykładów, na które wskazuje Nothhaft, jest ewolucja telewizji, która zmienia się z medium statycznego w wysoce kontrolowane przez widza w obecności rejestratorów DVR i telewizji internetowej; z czasem przewiduje, że telewizja każdej osoby będzie całkowicie wyjątkowa. Jego zdaniem "Gdy sieć staje się naszą osobistą siecią… [T] jego środki obejmują zarówno bardziej bezpośrednie, jak i bardziej bezpośrednie informacje o otoczeniu, takie jak świadomość czasu, lokalizacji, mojego harmonogramu, moich nawyków i zaangażowania w treść. Co więcej, oznacza uświadomienie sobie, że tożsamość ludzka jest ciągle zmieniającym się celem ".

Które dane?

Wróćmy do podejścia polegającego na powiązaniu głosu klienta z wewnętrznymi danymi o usłudze. Jakie dane powinny zostać uwzględnione w dyskusji? Wiele firm korzysta z dużej ilości danych, więcej niż wiedzą. Na przykład operator telekomunikacyjny może zapisać każde połączenie, każdy przydział przepustowości i każdy status każdej stacji bazowej. Sprzedawca nie tylko wiedziałby, którzy klienci coś kupili, ale także jakie reklamy zobaczyli lub jakie kliknięcia wykonali przed wejściem do sklepu. Ponadto możemy uratować całą komunikację w mediach społecznościowych. Czy to ma sens? Czy naprawdę powinniśmy wszystko uratować? Oprócz problemów związanych z prywatnością odpowiedź brzmi "tak". Zapisywanie danych jest bez znaczenia, dopóki nie zadamy właściwego pytania, abyśmy mogli stworzyć wartość na podstawie danych. Często na początku nie mamy na myśli właściwego pytania. Ponieważ przechowywanie stało się tanie, nadal powinniśmy przechwytywać wszystkie te informacje na późniejszym etapie, gdy sformułujemy właściwe pytanie. Często firmy mają do czynienia z wystarczającą złożonością, aby przechowywać i udostępniać swoje wewnętrzne, głównie uporządkowane dane. Media społecznościowe to jednak dane nieustrukturyzowane, a później wyjaśniamy, dlaczego trudniej jest uzyskać wgląd w takie dane. Czy powinniśmy mieć dostęp do wszystkich wewnętrznych danych zapisujących nieustrukturyzowane dane w mediach społecznościowych, aby skorelować to z naszymi danymi CRM? W zależności od tego, kogo zapytasz, możesz otrzymać dwa dość sprzeczne przesłania: "zbyt płytki", powie jeden obóz; "Zbyt wrażliwy", mówią inni. Spójrzmy na oba argumenty.

Media społecznościowe : Zbyt płytkie? Czy media społecznościowe są zbyt płytkie, aby wykorzystywać je do wglądu klientów? Sprzedawca online lub firma telekomunikacyjna ma ogromną ilość danych na temat zachowań użytkowników. Tego rodzaju dane mają głównie strukturę. Omówimy różnicę między danymi ustrukturyzowanymi i nieustrukturyzowanymi później, w skrócie jest to, że dane ustrukturyzowane są łatwiejsze do wydobywania danych. Jest bardziej odpowiedni dla komputera i dlatego jest bardziej prawdopodobne, że da lepszy wgląd. Nieustrukturyzowane dane, takie jak komentarze w mediach społecznościowych, zawierają dużo hałasu nie tylko dla nas ludzi, ale jeszcze bardziej dla algorytmu uczenia się komputera i maszyn. Znacznie trudniej jest zatem zidentyfikować jakiekolwiek trendy lub strukturę tego rodzaju danych. Ale to nie jedyny powód, dla którego dane w mediach społecznościowych są od razu nieodpowiednie. Jest tendencyjny kulturowo: bardziej prawdopodobne jest, że ludzie z pokolenia Millenialsów będą go wytwarzać niż starsi z wyżu demograficznego. Dlatego wyniki z nich mogą być mocno wypaczone, a istotność statystyczna może zawsze stanowić problem. I rzeczywiście nie można znaleźć wielu badań akademickich, które badałyby wpływ mediów społecznościowych na badania rynku, zgodnie z badaniem literatury przeprowadzonym przez profesora marketingu Anthony′ego Patino. Ale są sytuacje, w których chcesz mieć dane z mediów społecznościowych. Gdy? Odpowiedź jest prosta: gdy nie ma lepszych danych. Skorzystaj z najnowszej fali społeczności pacjentów, takich jak PatienceLikeMe, którą współtworzy Jamie Heywood; lub Ubiqi, założony przez Jacqueline Thong. Członkowie tych stron omawiają objawy, dzielą się działaniem leku i rejestrują się, kiedy są "szczęśliwi" lub "cierpią". Są to dane nieustrukturyzowane w najlepszym wydaniu. Co więcej, jest wypaczone: bardzo wypaczone, nawet, ponieważ głównie młodzi ludzie znający się na technologii będą korzystać z tych metod. Ale wszystkie te dane są unikalne. Oferuje cenne informacje, ponieważ wszyscy członkowie dyskutujący o leczeniu stają się częścią wirtualnego badania. Korzystając z danych swoich członków, PatienceLikeMe opublikował ponad 35 badań naukowych. Dane nie są "zbyt głośne" ani "zbyt płytkie". Z czasem zobaczymy o wiele więcej takich przykładów. Dane z serwisów społecznościowych wcale nie są "zbyt płytkie". Wiele systemów CRM ma już możliwość dołączania informacji z mediów społecznościowych. Ale ta funkcja jest rzadko używana w konfiguracji analitycznej. Nawet jeśli media społecznościowe mogą dostarczyć informacji, przejście badań rynkowych z "proszenia" na "słuchanie" będzie nadal wymagało czasu i infrastruktury. Zgodnie z omówionym wcześniej corocznym badaniem MR Software Confirmit 2011, wiele firm (42%) uważa, że trudno jest uzyskać wgląd w nieustrukturyzowany tekst, a mniej niż jedna trzecia uważa, że proces ten jest łatwy. Takie postrzeganie pozostaje jednym z wyzwań związanych z efektywnym przejściem do CRM społecznościowego z tradycyjnie ustrukturyzowanych danych klientów.

Dane osobowe : zbyt wrażliwe?

Drugi argument brzmiał: "dane w mediach społecznościowych są zbyt wrażliwe". Jest to z pewnością sprzeczność z ideą, że są one "zbyt płytkie". Gdyby były zbyt płytkie, jak mogłoby być zbyt wrażliwe? Cóż, ilekroć jest on faktycznie wykorzystywany do zdobywania wiedzy. Dane z mediów społecznościowych często wchodzą w obszary osobiste, takie jak zdrowie lub dobre samopoczucie finansowe. Komunikacja ludzka jest osobista; podobnie są spostrzeżenia. Weźmy na przykład niemiecką firmę ratingową Schufa. Rozpoczęła projekt mający na celu analizę, czy dane z Twittera, Facebooka i Xing (niemiecki LinkedIn) mogą pomóc w przewidywaniu ratingów kredytowych. Wspólnie z Hasso-Plattner-Institut z Uniwersytetu w Poczdamie (HPI) założyli Schufa-Lab @ HPI. Ideą tego projektu było skanowanie sieci społecznościowych w poszukiwaniu informacji, które mogłyby prowadzić do wniosków na temat zdolności finansowej danej osoby. Nie czekając na zakończenie badań, wiedzieliśmy, że będzie korelacja. Pomyśl o sukcesie Garmeen Bank w zakresie mikrofinansowania. Niektóre z jego sukcesów można przypisać dobremu zrozumieniu prawdziwych sieci społecznościowych pożyczkodawcy. Schufa planowała wprowadzić ten sam proces do finansowania. Nagle to, co napisaliśmy i powiedzieliśmy w tej półprywatnej przestrzeni mediów społecznościowych, mogło potencjalnie wpłynąć na naszą zdolność kredytową. Reakcje opinii publicznej i polityków były gwałtowne, wyrażając obawy dotyczące prywatności. Niektórzy urzędnicy rządowi nawet interweniowali, a projekt ostatecznie został przerwany w wyniku intensywnej opozycji. Schufa nie był pierwszym tego rodzaju przypadkiem i nie będzie ostatnim. Obawiając się tych problemów, niektórzy nawet prewencyjnie zakazują udziału w jakichkolwiek badaniach. Kiedyś pokazaliśmy francuskim urzędnikom rządowym, jak analizować dyskusję publiczną. Byli podekscytowani bogactwem danych analitycznych. Możemy pokazać im spostrzeżenia na temat opinii publicznej, której nie widzieli wcześniej. Pomimo tego początkowego podniecenia postanowili nie kontynuować żadnego pomiaru. "Jeśli opinia publiczna zacznie zdawać sobie sprawę z tego, że" szpiegujemy "naszych obywateli, możemy mieć kryzys, z którym nie możemy sobie poradzić" - powiedział główny sekretarz. Naprawdę? Czy to szpiegostwo? To zależy od tego, co robisz z danymi. Jeśli użyjesz go dla dobra planety lub - mniej ambitnego - dla dobra klientów, będziesz mile widziany jako "wizjoner"; jeśli użyjesz go do czynienia zła lub z wyraźną intencją szpiegowania, napotkasz pewien opór. Ponieważ nie wiemy, w jaki sposób firmy i rządy na całym świecie planują wykorzystywać nasze dane, obawiamy się nieznanego. Zatem najlepszą radą byłaby przejrzystość, to czwarte "V", jak ją ukuliśmy na początku ale nie jest łatwo znaleźć. Dlatego często nie jest jasne, co chcesz zrobić z danymi. Oczywiste jest jednak, że w samych danych jest wartość. Ale ponieważ jest ukryta i jeszcze nie jest jasna, wielu z nas obawia się nieznanego. Krótko mówiąc, wiele źródeł danych jest bardzo wrażliwych, w tym dane z mediów społecznościowych: może nie każdy pojedynczy tweet lub aktualizacja Facebooka, ale zbiór danych John Rose z BCG wskazał w rozmowie z Martinem Gillesem na temat prywatności danych. Przyszłość nie powinna skupiać się tak bardzo na tym, jak chronimy dane, ale bardziej na przejrzystości w sposobie wykorzystywania danych. Ale tutaj jesteśmy w pułapce . Ani rządy, ani firmy często nie wiedzą, co chcą zrobić ze wszystkimi gromadzonymi danymi. Jak wielokrotnie wskazywaliśmy, czwarte "V" (wartość) jest trudne do znalezienia. Dlatego wciąż go szukamy iw tej chwili wiele firm i rządów nie może być przejrzystych w kwestii wykorzystania, ponieważ po prostu jeszcze nie wiedzą. Często firmy zaczynają od "bezsensownego" podejścia do gromadzenia danych. Podczas zbierania danych przeprowadzają testy, aby sprawdzić, jak najlepiej je wykorzystać. Wróćmy na przykład do niemieckiej firmy zajmującej się rankingiem kredytowym SCHUFA. Nie wiedziała, czy posty na Facebooku lub znajomi z Facebooka mieli związek z Twoją oceną zdolności kredytowej, jednak zanim się dowie, zacznie gromadzić dane. To natychmiast zaniepokoiło obywateli niemieckich. Po krótkiej, ale bardzo emocjonalnej debacie publicznej SCHUFA musiała się zatrzymać; jednak, jak zawsze w badaniach, trudno jest zatrzymać pomysł. Inne mniejsze firmy go podniosły. Brytyjska firma pożyczek krótkoterminowych Wonga jest jedną z takich mniejszych firm. Oferują pieniądze o bardzo wysokich stopach procentowych przez bardzo krótki czas, z natychmiastową akceptacją online. W ramach procesu aplikacyjnego publicznie oświadczają na swojej stronie internetowej, że połączenie się z nimi na Facebooku pozwoli im cię lepiej poznać i zwiększy szanse na uzyskanie zgody na pożyczkę: Łączenie się z Facebookiem pomaga nam się poznać lepiej. Zwiększy to Twoje szanse na uzyskanie kredytu. Informacje w mediach społecznościowych są tak samo wrażliwe jak informacje dotyczące opieki zdrowotnej, dlatego wielu konsumentów jest zaniepokojonych. Każda firma wykorzystująca informacje z mediów społecznościowych do przewidywania lub modelowania zachowań użytkowników powinna być jak najbardziej przejrzysta dla użytkowników.

Podsumowanie

Celem badań rynkowych jest zrozumienie, dlaczego klienci zachowują się tak, jak zahowują. Tradycyjnie, aby się tego dowiedzieć, trzeba było wyciągnąć je z ich naturalnego otoczenia i przejść do raczej sztucznej sytuacji podczas rozmowy kwalifikacyjnej, gdzie można było zadawać pytania na temat tego, co robią instynktownie. Eksploracja danych i technologia zmieniły to podejście. Po pierwsze, często możemy automatycznie przechwytywać dane o zachowaniach klientów. Po drugie, możemy zapytać konsumentów w każdej sytuacji, co myślą o naszym produkcie. W ten sposób możemy zrezygnować z reprezentatywnych grup użytkowników, ale zyskać rzeczywiste chwile użytkowania. W tym rozdziale pokazaliśmy, w jaki sposób firmy telefoniczne i banki próbują już zebrać ten 360-stopniowy pogląd na klienta. Modele te wkrótce zmienią proces badań rynku. Po pierwsze, marketerzy wyraźnie odwracają się od odgórnego podejścia. Nie jest to już niewielka grupa marketerów myślących o odpowiednich cechach rynku ("młodzi, biali ojcowie o dochodach ponad…"). Sam rynek opracowuje zestaw kryteriów behawioralnych, które najlepiej opisują podgrupę. Tak więc to, czy jesteś odpowiedni do filmów akcji, tropikalnych wakacji, czy jakiegokolwiek innego produktu lub usługi, będzie w przyszłości określone przez twoje zachowanie bardziej niż przez dowolne możliwe do zidentyfikowania cechy osobowe. Po drugie, firmy odwracają się od gromadzenia wyłącznie wewnętrznych danych o klientach. Zamiast tego konsumenci sami dostarczają więcej danych. Mogą to być dane z mediów społecznościowych, takie jak Open Graph na Facebooku, ale mogą to być również dane z własnej rejestracji lub inne monitorowane zachowania użytkowników. Naszym celem jest tworzenie modeli samouczących się, które automatycznie dostosowują naszą ofertę do tego, co czyni naszych klientów najszczęśliwszymi. Chcemy na przykład wiedzieć, która kombinacja poczty marketingowej, punktów cenowych i jakości usług wygeneruje najlepszą relację kosztów do korzyści dla sprzedawcy internetowego. W pewnym sensie analityczny CRM zamyka pętlę między marketingiem produktu a sprzedażą. Jednak aby uzyskać taki wynik "szczęścia", powinniśmy nie tylko wydobywać dane i technologię. Aby odnieść sukces, musimy zrozumieć, co sprawia, że dana osoba jest szczęśliwa. To z pewnością osobisty wgląd. Mamy więc do czynienia z coraz większymi obawami dotyczącymi prywatności. Kluczowym czynnikiem sukcesu w tego rodzaju eksploracji danych jest nie tylko zadawanie właściwych pytań i wykorzystywanie właściwych danych lub danych, ale także to, jak radzimy sobie z obawami naszych klientów dotyczącymi prywatności.

ZESZYT ĆWICZEŃ

Analityczny CRM jest przyszłością i będzie próbował objąć wszystkie obszary cyklu życia klienta. Takie podejście analityczne będzie wówczas wymagać doskonałej technologii. Będzie wymagać organizacji, która analizuje podróż klienta jako całości i będzie stawiać pytania dotyczące prywatności klienta. Przedyskutuj z kolegami następujące pytania:

•  Jak mierzymy głos klienta? Czy analizowany jest pełny cykl życia klienta? Których części brakuje?
•  Czy wiemy, które zmienne będą miały największy wpływ na wynik NPS? W podanym przykładzie Crayfourd chodziło o zasięg telefonów komórkowych i jakość usług sieciowych. Co to jest dla twojej firmy?
•  Jak pracujesz z danymi klientów? Kto jest właścicielem danych, ty lub twój klient? Kto wie, co dzieje się z danymi?

W szczególności ostatni punkt stanie się w przyszłości coraz ważniejszy. Firmy będą musiały znaleźć sposób na zbudowanie zaufania i uzyskanie pozwolenia na wykorzystanie danych bez wcześniej określonego celu lub działania. Tylko w ten sposób można w pełni korzystać z danych. Jakie są najlepsze sposoby na zbudowanie tego zaufania? Przejrzystość w momencie, gdy dowiadujesz się, jak korzystać z danych? Otwarte inicjatywy danych? Publiczna wymiana danych kontrolowana przez użytkowników? Podczas gdy wiele firm gromadzi dane o swoich klientach, tylko kilka jest przejrzystych na temat tego, co robią z danymi. Prywatność i otwarte dane staną się z czasem coraz ważniejsze i będą kluczem do zdobycia zaufania od klientów.